液体火箭发动机系统设计仿真与优化

建立了某液体火箭发动机系统设计的仿真模型与相应的多目标优化模型,编制了系统仿真程序,并在iSIGHT的软件平台上针对不同的优化目标对发动机的设计参数进行优化.采用了组合优化策略,结合多岛遗传算法和序列二次规划算法分别进行全局寻优和局部寻优,求得全局最优点.建立了单燃气发生器循环系统的质量模型,在优化过程中考虑了发动机主要部件结构质量对系统性能的影响。以燃烧室压强、混合比和喷管出口反压为设计变量,优化目标包括发动机比冲、有效载荷、结构质量、密度比冲、关机时飞行速度、推进剂综合密度.并根据结果分析了燃烧室压强和混合比对发动机性能的影响.     

高超声速飞行器滑行航迹优化

针对高超声速飞行器滑行的密度模型、动力学模型、空气动力模型和作为输入的攻角,将弹道问题转化为最优控制问题,采用极大值原理求得航程最大的一阶必要条件,采用多次变区间的遗传算法、非线性单纯形法和邻近极值法的组合优化策略来求解此两点边值问题,首先用多次变区间的遗传算法和单纯形方法求得全局航程最大,然后用邻近极值法得到合适的初值满足所有终端约束,通过对一高超声速飞行器的算例进行了优化计算,得到了最优弹道和优化算法的收敛曲线,并与升阻比最大飞行方案进行比较可知,最优控制方案求得的航程大于升阻比最大飞行方案的航程.      

月球探测器垂直软着陆4D轨道全局优化

提出一种包含动态规划法与共轭梯度法的组合优化算法,求解月球探测器垂直软着陆问题. 其以动态规划法中求得的次优控制变量作为共轭梯度法的初始控制变量,求得更为精确的最优控制变量和最优轨道. 月球垂直软着陆的轨道可以分为两段,即制动段与着陆段. 以燃料消耗量最小为性能指标,采用该组合优化算法分别对两段轨道进行了4D全局优化. 数值仿真结果表明,该组合算法优化精度较高,收敛速度快,稳定性好,可用于机载计算机实时生成垂直软着陆4D轨道,同时还可推广到其他终端时间自由型两点边值问题.      

改进粒子群优化的卫星导航选星算法

为提高选星算法的性能，提出一种基于人工鱼群算法的粒子群优化（PSO）选星算法。该算法利用人工鱼群算法良好的全局收敛特性，克服了粒子群优化算法易陷入局部最优的缺点。将每种卫星组合看作空间中的一个粒子，选取几何精度因子（GDOP）作为适应度函数。利用所提算法更新粒子自身位置，优化卫星组合与几何精度因子。利用实际数据对所提算法进行验证和对比，结果表明:改进的选星算法在保障选星效率的同时，选星结果的准确性优于标准的粒子群优化选星算法。      

广义多圈Lambert算法求解多脉冲最优交会问题

基于一种高效高精度的Battin多圈Lambert算法提出一种考虑轨道摄动的广义多圈Lambert算法.与现有算法相比,本算法虽然原理复杂但计算流程非常简单,效率极高,分别通过几次内外循环就可满足精度要求.广义多圈Lambert算法结合一种可行解迭代交会模型构成了一个通用的多圈多脉冲交会规划框架,应用两步法求解此多变量的复杂工程优化问题,首先利用高效率的进化全局优化算法以及解析轨道模型作全局搜索,然后利用序列二次规划算法以及简化高精度轨道计算模型作局部搜索,此方法可以保证高效高精度的求解多圈多脉冲交会问题.算例表明此方法特别适用于满足实际工程约束的交会规划问题.     

多目标组合运输物流量预测建模算法

提出了一种新的多目标组合运输物流量预测建模算法.以时间、领域、影响以及组合运输为基准,运用系统工程理论思想设计出一种四维的物流量影响因素模型,并运用结构方程模型对所建模型做了优化,提取出组合运输物流量的核心影响因素.在改进的神经网络算法的基础上结合遗传算法,提出了一种结合遗传算法的改进的神经网络新算法,弥补了改进的神经网络算法上的缺陷,在多目标组合运输物流量预测的实例应用中,该算法不仅有很高的预测精度,而且具有收敛速度快、运行稳定的特点.      

等再入航程返回轨道模糊混合优化设计

为了消除采用梯度迭代求解算法求解再入弹道优化问题时对初始值的依赖，减小遗传算法对种群数量和迭代次数的需求，采用模糊思想设计了改进的稳态遗传-序列二次规划(GA-SQP)混合求解算法。针对等再入航程返回轨道设计问题，提出了初始种群的基因检测方法、基于模糊隶属度的评分函数建立方法和搜索过程中劣质基因的评分方法，考虑了过载超限时间约束、倾侧角翻转最大角速度限制等实际约束，给出了序列二次规划求解过程中再入点在瞄准点之后和制动时长过短的特殊情况下约束的处理方法。采用改进的稳态GA-SQP混合求解算法，可以实现近地轨道变高度返回的情况下等再入航程返回轨道设计。改进的稳态GA-SQP混合求解算法不依赖于初始值，种群数量较小，与未改进的遗传-序列二次规划算法相比迭代次数减少34.7%,计算速度和计算精度均达到工程适用程度。     

自适应变异麻雀搜索优化算法

针对麻雀搜索算法前期易陷入局部极值点、后期寻优精度不高等问题，提出一种自适应变异麻雀搜索算法（AMSSA）。先通过猫映射混沌序列初始化种群，增强初始种群的随机性、遍历性，提高算法的全局搜索能力；再引入柯西变异和Tent混沌扰动，拓展局部搜索能力，使陷入局部极值点的个体跳出限制继续搜索；最后，提出探索者-跟随者数量自适应调整策略，利用各阶段探索者和跟随者数量的改变增强算法前期的全局搜索能力和后期的局部深度挖掘能力，提高算法的寻优精度。选取16个基准函数和Wilcoxon检验进行验证，实验结果表明：所提算法与其他算法相比，寻优精度、收敛速度和稳定性都取得较大提升。     

飞机总体协同优化中的一种混合混沌算法

针对协同优化应用中所碰到的计算困难,分析了现有改进方式。将系统级优化转化成无约束优化问题,选择智能优化算法是一种有效的解决方法,但应注意计算量的控制.将混沌优化和单纯形法相结合,构造出一种混合混沌算法.混沌能有效地跳出局部最优解而接近全局最优点,同时利用单纯形法在混沌优化解的邻域内局部寻优.用协同优化方法对某型干线客机进行总体方案设计;同时各学科级采用序列二次规划法,系统级采用混合算法寻优.计算结果表明此方法是有效的.      

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高，收敛效率差等问题，提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想，建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型，将复杂约束规划问题分解为子函数优化求解问题，减小计算量；考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限，采用Tent混沌映射均匀初始化种群，以扩大个体搜索空间，丰富种群多样性，在此基础上，通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力，帮助个体跳出局部最优，并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解，仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率，且能够为集群规划满足约束条件的协同曲线航迹，从而验证了所提方法的有效性和CEA-GA的优越性。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

基于SMABC算法的FPRM逻辑电路面积优化

固定极性Reed-Muller (FPRM)逻辑电路面积优化是当前集成电路设计领域的研究热点。但现有FPRM逻辑电路面积优化方法存在优化效率低和优化效果差等问题。FPRM逻辑电路面积优化属于组合优化问题，提出一种自适应混合人工蜂群(SMABC)算法。所提算法在引领蜂搜索阶段引入细菌觅食算法中的细菌趋化行为，使引领蜂向靠近优秀蜜源的方向搜索，提高了所提算法的收敛速度；对跟随蜂的选择概率进行改进使其依据种群的变化自适应改变，提高了所提算法的全局搜索能力；对侦查蜂的转换条件进行改进，增加了侦查蜂在进化过程中的扰动幅度；且在进化过程中引入精英保留策略以提高种群质量。此外，提出一种基于SMABC算法的FPRM逻辑电路面积优化方法，所提方法收敛速度最快且面积优化率最高为54.62%，平均面积优化率为15.33%。     

基于M-AFSA的MPRM逻辑电路面积优化

现有基于传统智能优化算法的MPRM电路面积优化算法存在效果差的问题。由于MPRM电路面积优化属于组合优化问题，先提出一种多策略协同进化人工鱼群算法（MAFSA），该算法引入基于反向学习的种群初始化策略，以提高种群多样性及初始种群解的质量；引入觅食与追尾交互性策略，以加强人工鱼个体之间的信息交流、提高所提算法的收敛速度；引入自适应扰动策略，以增加人工鱼个体位置变异的随机性、避免所提算法陷入局部最优。此外，提出一种MPRM逻辑电路面积优化方法，利用所提算法来搜索电路面积最小的最佳极性。基于北卡罗莱纳州微电子中心（MCNC）Benchmark电路的实验结果表明：与遗传算法相比，所提算法优化电路平均面积百分比最高为57.24%，平均为39.57%；与人工鱼群算法相比，所提算法优化电路平均面积百分比最高为33.53%，平均为14.54%；与改进的人工鱼群算法相比，所提算法优化电路平均面积百分比最高为30.25%，平均为13.86%。     

混沌麻雀搜索优化算法

针对麻雀搜索算法(SSA)在接近全局最优时,种群多样性减少,易陷入局部最优解等问题,提出了一种混沌麻雀搜索优化算法(CSSOA)。首先,通过改进Tent混沌序列初始化种群,提高初始解的质量,增强算法的全局搜索能力。其次,引入高斯变异的方法,加强局部搜索能力,提高搜索精度;同时以搜索停滞的解为基础产生Tent混沌序列,用此混沌序列对部分陷入局部最优的个体进行混沌扰动,促使算法跳出限制继续搜索。最后,对12个基准函数进行仿真实验。结果表明:所提算法能够克服SSA易陷入局部最优的缺点,提高算法的搜索精度、收敛速度和稳定性。同时,将CSSOA应用到简单图像分割问题,验证了CSSOA应用于实际工程问题的可行性。      

高超末段机动突防/精确打击弹道建模与优化

针对高超声速飞行器再入末段机动突防、精确打击问题,从最优控制角度出发,提出了一种考虑拦截弹动力学特性的最优机动突防弹道优化方法,获得了高超声速飞行器的最大机动能力。该方法将拦截弹运动模型引入突防弹道优化的模型中,通过施加约束限制拦截弹按照比例导引律飞行。根据飞行任务和交战双方的弹道特点分段,结合各段的任务和特性,分别提出了突防性能指标和精确打击性能指标等,并通过加权函数将各个独立、矛盾的性能指标统一,建立了多对象、多段、多约束机动突防弹道优化模型,采用Radau多段伪谱法（MRPM）进行求解。针对该问题求解的初值敏感、可行域窄等问题,提出了一系列弹道优化策略,提高了收敛速度和求解精度,最终获得了最优机动弹道,并通过协态映射原理对其最优性进行了验证。结果表明,该方法能充分发挥高超声速飞行器的机动能力,获得满足落点精度要求的突防弹道,相对已有方法,将脱靶量提高了1~2个量级。灵敏度分析表明,该弹道对拦截弹的发射时间不敏感。      

基于代理模型的QPSO算法及结构优化应用

针对复杂结构的工程优化通常涉及到高度非线性的问题,采用基于迭代的传统优化算法可能无法获得全局最优解。在此研究背景下,文章引入量子粒子群优化算法(Quantum Particle Swarm Optimization, QPSO),提出了基于克里金（Kriging）代理模型的QPSO算法,通过构建环形桁架可展天线动力学性能的代理模型,对环形桁架可展天线结构参数进行了优化设计的应用研究。研究结果表明,基于Kriging代理模型的QPSO算法计算效率较高,环形桁架可展天线的基频及最大冲击响应面非线性特征显著,并通过将计算所得到的最优解与有限元解进行对比,验证了此方法的计算精度。由此可见,此方法的研究可为复杂结构的优化设计、研制提供一定的参考。     

基于代理模型的制导火箭炮发射诸元计算方法

针对制导火箭炮发射诸元的快速计算问题,提出了一种结合大样本数据和代理模型计算发射诸元的新方法。运用代理模型建立射角、无控弹道侧偏与炮位纬度、炮位高程、射向、射程、目标点高程及药温之间的函数关系,并根据射程和无控弹道侧偏的预测值对射向进行修正。仿真结果表明,高阶多项式响应面、相关函数为高斯函数的Kriging、高阶单项式径向基函数、核函数为高斯函数的最小二乘支持向量机、激活函数为正弦函数的超限学习机以及由上述单一代理模型构建的组合代理模型均具有较高的预测精度,各种单一代理模型对射角和无控弹道侧偏的预测时间均小于1 ms,证明了基于代理模型的射角和无控弹道侧偏预测方法切实可行,且通过对射向进行修正有效减小了由于地球自转引起的无控弹道侧偏。      

应用遗传算法的频域最大似然参数辨识

针对基于变量误差模型EV模型(Errors-in-Variables Model)的传递函数频域最大似然参数估计中存在的初始值以及收敛问题提出了使用浮点遗传算法的改进算法.仿真试验表明,单独使用遗传算法难以得到系统传函的精确估计,传统的非线性数值递推算法在一些情况下容易收敛到局域最小值.将两种算法结合使用,可以有效地克服各自的不足.新算法可以给出系统延迟的初始值的估计.当代价函数存在多个局部最小值时,它仍然能够快速准确地寻找到全局最优点.改进的算法比原算法具有更强的适应性.      

拦截弹道快速设计方法

针对传统优化算法在解决多约束条件下拦截弹道设计问题时迭代计算耗时过长的缺点,提出了一种快速拦截弹道设计方法.该方法基于人工神经网络的非线性拟合技术,先通过普通优化算法进行离线样本计算,对样本中目标位置和优化得到的飞行程序参数进行输入-输出映射拟合训练,从而实现在给定目标位置的情况下对最优飞行程序参数的快速计算,达到提高拦截弹道设计效率的目的.经过数值仿真验证,将该方法应用于拦截弹道设计,在保证良好命中精度的同时,设计所需的计算时间大大减少,从而提高了弹道设计的时效性.